MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
AI in cancer detection
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

1 463 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
1 463 travaux dans la cohorte · sur 4 299 418page 24 sur 30

Les étiquettes couvrent 4 des 1 463 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 1 463 des 1 463 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

affsans résuménon étiqueté
Improved Inference via Deep Input Transfer
Saeid Asgari Taghanaki, Kumar Abhishek, Ghassan Hamarneh
2019· preprint· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Appendix B: Examples of Phantom and Test Tools for Mammography QC
Martin J. Yaffe, P. C. Bunch, L. Desponds, Roberta A. Jong, Robert M. Nishikawa, M. J. Tapiovaara +1 autres
2009· article· en· Journal of the ICRU· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · aucune
0
citations
affsans résuménon étiqueté
Detection of Sites of Architectural Distortion in Mammograms
Fábio J. Ayres, Rangaraj M. Rangayyan, J. E. Leo Desautels
2011· book-chapter· en· Synthesis lectures on biomedical engineering· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Medical Image Computing and Computer Assisted Intervention – MICCAI 2020, 23rd International Conference, Lima, Peru, October 4–8, 2020, Proceedings, Part V (biological, optical, microscopic imaging; cell segmentation and stain normalization; histopathology image analysis; opthalmology)
Anne L. Martel, Purang Abolmaesumi, Danail Stoyanov, Diana Mateus, María A. Zuluaga, Shuchang Zhou +2 autres
2020· preprint· en· HAL (Le Centre pour la Communication Scientifique Directe)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Clinical Dataset SE objects - GSE20194
Benjamin Haibe‐Kains
2022· dataset· en· Zenodo (CERN European Organization for Nuclear Research)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Role in Medicine for Digital Pathology
Bernard Têtu, Lewis Hassell
2015· book-chapter· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Learning autoencoded radon projections
Aditya Sriram, Shivam Kalra, Hamid R. Tizhoosh, Shahryar Rahnamayan
2017· preprint· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
venueno affsans résuménon étiqueté
10.1016/b978-1-4160-5909-7.00040-0
2000· book-chapter· en· Time to knit· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · insufficient_payload
0
citations
affnon étiqueté
Facilities for Mammography Image Evaluation
Hiroshi Wada, Satoshi Hirata, Sunao Ikeue, Hiroko Sugano, Hiromitsu Akabane, Akihiko Numata +3 autres
2013· article· en· Nihon Nyugan Kenshin Gakkaishi (Journal of Japan Association of Breast Cancer Screening)· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · aucune
0
citations

En coulisses: Sélection · Constats · À propos